可解释机器学习揭示低温无水运输过程中活体杂交鲟鱼的时间依赖性细胞损伤

《Aquaculture International》：Interpretable machine learning reveals time-dependent cellular injury in live hybrid sturgeon during low-temperature waterless transport

　　

摘要

低温无水运输被广泛用于活鱼运输，但亚致死性生理损伤可能在可见死亡率出现之前就已累积。本研究对杂交鲟（Acipenser baerii?×?Acipenser schrenckii）细胞损伤的时间进程进行了表征，并评估了运输时长及血清生理指标对细胞死亡率的预测价值。共84条鱼被分配到七个暴露时长（0–72小时；每个时间点n?=?12）。检测了血清乳酸、皮质醇、超氧化物歧化酶（SOD）、过氧化氢酶（CAT）和丙二醛（MDA），并以碘化丙啶阳性肌肉细胞比例作为细胞死亡率的操作定义。采用100次重复分层70/30训练-测试划分以及留一时间点交叉验证，评估了随机森林、梯度提升回归、ExtraTrees和多层感知机模型。细胞死亡率呈渐进性增加，其中最大的增幅发生在48至60小时之间。时间结合全部五项生物标志物的模型在范围内表现最佳（R²?=?0.980?±?0.007），而简化后的时间+CAT模型保持了相近的性能（R²?=?0.974?±?0.009）。不含时间的五项生物标志物模型同样表现良好（R²?=?0.929?±?0.050），表明这些生理指标提供了超出时间趋势的损伤相关信息。SHAP分析一致识别出时间是主要贡献因子，而次要变量在各模型中的排名有所不同。在留一时间点交叉验证下，模型性能显著下降，表明对未见时长的外推能力有限。在本研究条件下，48–60小时为阶段性高风险窗口，时间+CAT组合可为范围内细胞死亡率评估提供一种简化的候选方案。